版本: 3.1.0 智能体开发-Dify

Dify的安装与介绍

Dify 是一款开源的大语言模型(LLM) 应用开发平台。它融合了后端即服务（Backend as Service）的理念，使开发者可以快速搭建生产级的生成式 AI 应用。即使你是非技术人员，也能参与到 AI 应用的定义和数据运营过程中。

由于 Dify 内置了构建 LLM 应用所需的关键技术栈，包括对数百个模型的支持、直观的 Prompt 编排界面、高质量的 RAG 引擎、稳健的 Agent 框架、灵活的流程编排，并同时提供了一套易用的界面和 API。这为开发者节省了许多重复造轮子的时间，使其可以专注在创新和业务需求上。

大模型接入

在 Dify 中，我们按模型的使用场景将模型分为以下3类：

系统推理模型。在创建的应用中，用的是该类型的模型。智聊、对话名称生成、下一步问题建议用的也是推理模型。
Embedding 模型。在知识库中，将分段过的文档做 Embedding 用的是该类型的模型。在使用了知识库的应用中，将用户的提问做 Embedding 处理也是用的该类型的模型。
语音转文字模型。将对话型应用中，将语音转文字用的是该类型的模型。在 Dify 的设置 > 模型供应商中设置要接入的模型。

模型使用：

Dify 中提供了五种应用类型：

工作流通过将复杂的任务分解成较小的步骤（节点）降低系统复杂度，减少了对提示词技术和模型推理能力的依赖，提高了 LLM 应用面向复杂任务的性能，提升了系统的可解释性、稳定性和容错性。

Dify 工作流分为两种类型：

Chatflow：面向对话类情景，包括客户服务、语义搜索、以及其他需要在构建响应时进行多步逻辑的对话式应用程序。
Workflow：面向自动化和批处理情景，适合高质量翻译、数据分析、内容生成、电子邮件自动化等应用程序。 节点是工作流中的关键构成，通过连接不同功能的节点，执行工作流的一系列操作。
开始（Start）：定义一个 workflow 流程启动的初始参数。
结束（End）：定义一个 workflow 流程结束的最终输出内容。
大语言模型（LLM）：调用大语言模型回答问题或者对自然语言进行处理。
知识检索（Knowledge Retrieval）：从知识库中检索与用户问题相关的文本内容，可作为下游 LLM 节点的上下文。
问题分类（Question Classifier）：通过定义分类描述，LLM 能够根据用户输入选择与之相匹配的分类。
条件分支（IF/ELSE）：允许你根据 if/else 条件将 workflow 拆分成两个分支。
代码执行（Code）：运行 Python / NodeJS 代码以在工作流程中执行数据转换等自定义逻辑。
变量聚合（Variable Aggregator）：将多路分支的变量聚合为一个变量，以实现下游节点统一配置。
循环（Loop）：循环节点用于执行依赖前一轮结果的重复任务，直到满足退出条件或达到最大循环次数。